Die ersten NIALM Systeme wurden Anfang der 90er in den USA
am Massachusetts Institute of Technology (MIT) unter Federführung von George W. Hart et al.entwickelt.
Um den genauen Verlauf eines Haushaltsgerätes zu erhalten ist es notwendig die Leistungsaufnahme des
Elektrogerätes separat zu messen. Dies erfordert ein Mindestmaß an Aufwand für jedes angeschlossene Gerät. Zudem sind die Stromanschlüsse einiger Geräte (Einbaukühlschrank, Elektroherd) nicht ohne größeren Aufwand
zugänglich.
NIALM Systeme erkennen aus der Messung elektrischer Größen am Anschlusspunkt der Hausinstallation (Strom, Spannung aller drei Phasen am Einspeisepunkt) charakteristische Verläufe einzelner elektrischer
Geräte des Haushalts. Der große Vorteil dieser Systeme liegt dabei im minimalen Eingriff in die elektrische Installation des Haushalts.
Die unterschiedlichen NIALM Ansätze variieren in der
- Art und Anzahl der Messgrößen
- Häufigkeit bzw. zeitliche Auflösung der Messung
- Anzahl der erkannten Geräte
- Automatische oder manuelle Systemkonfiguration
- Struktur der gedächtnisbehaftete Komponenten (pattern detection oder pattern recognition)
Aus der Messung der drei Strangspannung und Ströme am Hausanschluss können alle Bedarfsänderungen des Haushalts erfasst werden. Die erfassten Änderungen werden als Schaltereignisse interpretiert und bilden die
Grundlage für die Erkennung von Schaltmustern einzelner elektrischer Verbraucher.
Das am Lehrstuhl für Nachhaltige Energiekonzepte entwickelte NIALM Verfahren erkennt mit Hilfe von Clusterverfahren, K-Mean
Clusterung, Fuzzy Clusterung, Self Organised Maps (SOM) oder den Growing Cells, häufig wiederkehrende Schaltereignisse. Mit Hilfe genetischer Algorithmen und evolutionären Strategien werden daraus Modelle hypothetischer
Verbraucher, welche als endliche Zustandsautomaten behandelt werden generiert. Über regelbasierte Einschränkungen und Vorgaben werden die Zeitreihen für die einzelnen Zustandsautomaten mit Hilfe der Dynamischen
Programmierung optimiert. Dieses Verfahren ist dem Vitrebi Algorithmus aus der Nachrichtentechnik sehr ähnlich. Zur Modellierung der Zeitreihe werden ebenfalls Hidden Markov Modelle untersucht.
Viele typische
Standardverbraucher können mit dieser Methode aus den Informationen eines Messpunktes am Hausanschlusspunkt. Notwendig für diese NIALM Variante ist die zusätzliche Messtechnik am Hausanschlusspunkt. Neben dem
vorgeschriebenen Drehstromwirkleistungszähler muss für diese Variante der NIALM Systeme zusätzliche Messtechnik zur Erfassung der Ströme und Spannungen nach Betrag und Phase im Haushalt installiert werden.
Anwendungsgebiete
- Überwachung einer Vielzahl von elektrischen Verbrauchern im Haushalt
- Analyse des Energiebezugs im industriellen sowie privaten Umfeld
- Beseitigung von Unklarheiten bei der Bedarfsabrechnung durch das EVU
- Kostengünstige Überwachung von Verbrauchern in Industrieanlagen
- Integration als Komponente eines Lastmanagement-Systems
Lastüberwachungsverfahren als “Smart-Home” Anwendung
Eine zuverlässige Methode zur Erkennung einzelner Geräte basiert auf der Messung von Blindleistung, Wirkleistung, Spannungsamplitude sowie der
Phasenlage aller elektrischen Größen einer Hausinstallation.
Für den Einsatz im privaten Haushalt gestaltete sich dieser Ansatz jedoch sehr kostenintensiv da aufwendige Messtechnik in die Hausinstallation integriert
werden muss. Ein wesentlich kostengünstigerer Ansatz ist die Erfassung der aufgenommenen Wirkleistung des Haushalts mit Hilfe eines optischen Sensors zur Messung der Drehzahl der Zählerscheibe des installierten
Drehstromwirkleistungszählers.
Handelsübliche Messtechnik erfasst in der Regel nur die farbliche Markierung auf der Zählerscheibe. Dieses Messprinzip eignet sich jedoch nicht für die Erfassung kleiner Leistungen im
Haushalt. Hierzu ist es notwendig die Geschwindigkeit mit Hilfe der Musterung auf dem Scheibenrand zu messen.
Links